PyTorch框架+Python 3面向对象编程学习笔记
一、CNN情感分类中的面向对象部分
sparse.py
super(Embedding, self).__init__()
表示需要父类初始化,即要运行父类的_init_(),如果没有这个,则要自定义初始化
self.weight = Parameter(torch.Tensor(num_embeddings, embedding_dim))
Parameter跳转
class Parameter(Variable):
"""A kind of Variable that is to be considered a module parameter. Parameters are :class:`~torch.autograd.Variable` subclasses, that have a
very special property when used with :class:`Module` s - when they're
assigned as Module attributes they are automatically added to the list of
its parameters, and will appear e.g. in :meth:`~Module.parameters` iterator.
Assigning a Variable doesn't have such effect. This is because one might
want to cache some temporary state, like last hidden state of the RNN, in
the model. If there was no such class as :class:`Parameter`, these
temporaries would get registered too. Another difference is that parameters can't be volatile and that they
require gradient by default. Arguments:
data (Tensor): parameter tensor.
requires_grad (bool, optional): if the parameter requires gradient. See
:ref:`excluding-subgraphs` for more details.
"""
def __new__(cls, data=None, requires_grad=True):
return super(Parameter, cls).__new__(cls, data, requires_grad=requires_grad) def __repr__(self):
return 'Parameter containing:' + self.data.__repr__()
Parameter类中,data不是self.data来的,所以是父类的。只有在_init_()中self.data的才能追加进去,若在其他函数中,跳转到父类中,则是父类的data
24,25行函数,是实现一个子类对父类包装的功能。 __init__ 、__new__、__call__区分:
class O(object):
def __init__(self, *args, **kwargs):
print "init"
super(O, self).__init__(*args, **kwargs) def __new__(cls, *args, **kwargs):
print "new", cls
return super(O, cls).__new__(cls, *args, **kwargs) def __call__(self, *args, **kwargs):
print "call" oo = O()
print "________"
oo()
结果如下:
1 new
2 init
3 ________
4 call
conv.py
class Conv2d(_ConvNd):
r"""Applies a 2D convolution over an input signal composed of several input
planes.
""" def __init__(self, in_channels, out_channels, kernel_size, stride=1,
padding=0, dilation=1, groups=1, bias=True):
kernel_size = _pair(kernel_size)
stride = _pair(stride)
padding = _pair(padding)
dilation = _pair(dilation)
super(Conv2d, self).__init__(
in_channels, out_channels, kernel_size, stride, padding, dilation,
False, _pair(0), groups, bias) def forward(self, input):
return F.conv2d(input, self.weight, self.bias, self.stride,
self.padding, self.dilation, self.groups)
_pair()跳转到utils.py
def _ntuple(n):
def parse(x):
if isinstance(x, collections.Iterable):
return x
return tuple(repeat(x, n))
return parse _single = _ntuple(1)
_pair = _ntuple(2)
_triple = _ntuple(3)
_quadruple = _ntuple(4)
这是一个函数式编程的写法,涉及函数嵌套。举例如下:
def two_dim(y):
def one_dim(x):
return x*x + y
return one_dim one_dim_plus_one = two_dim(1) print(one_dim_plus_one) # 对象地址 <function two_dim.<locals>.one_dim at 0x0000012F6DBFCB70>
print(one_dim_plus_one(2)) #
print(one_dim_plus_one(3)) # # f = x*x+y
# g1 = f(x,1)
f = lambda x,y:x*x+y
g1 = lambda x:f(x,1) # x*x+1 print(g1) # f(x,1)的地址?
print(g1(3)) #
1. repeat(x, n)跳转之后只有_init_() pass,这是pytorch框架中,是ide生成的临时文件,由C语言实现的标准库内置函数或是外部接口。
2. tuple([iterable])
什么是可迭代对象?列表、字符串。。。
if isinstance(x, collections.Iterable):
return x
return tuple(repeat(x, n))
x = 'hello'
print(_quadruple(x)) # 'hello'是可迭代对象,输出'hello' x = 2 # 2不是可迭代对象,输出(2,2,2,2)
print(_quadruple(x))
3. isinstance()函数是内置函数(内置函数不用导入就可以使用!那len()呢?)
命令行help查看isinstance函数
isinstance(obj, class_or_tuple, /)
内置函数表如下:
_xxx_()是标准库函数
各种函数注意区分。
a = Notebook()
isinstance(a, Notebook) # True class Test(Notebook):pass
issubclass(Test, Notebook) # True
4. F.conv2d
def forward(self, input):
return F.conv2d(input, self.weight, self.bias, self.stride,
self.padding, self.dilation, self.groups)
conv2d跳转到functional.py(from .. import functional as F)中conv2d
functional.py
# Convolutions
ConvNd = torch._C._functions.ConvNd
def conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1,
groups=1):
"""Applies a 2D convolution over an input image composed of several input
planes. See(参考) :class:`~torch.nn.Conv2d` for details and output shape.
"""
f = ConvNd(_pair(stride), _pair(padding), _pair(dilation), False,
_pair(0), groups, torch.backends.cudnn.benchmark, torch.backends.cudnn.enabled)
return f(input, weight, bias)
Conv2d是对conv2d包装。
# AttributeError: 'Child' object has no attribute 'data'
class Parent:
def __init__(self):
self.data =12 class Child(Parent):
def __init__(self):
pass
super().__init__() a = Child()
print(a.data) #
class Parent:
def __init__(self):
self.data =12 class Child(Parent):
def __init__(self): super().__init__() a = Child()
print(a.data) #
class Parent:
def __init__(self):
self.data =12 class Child(Parent):
def __init__(self):
self.data = 25
super().__init__() a = Child()
print(a.data) #
class Parent:
def __init__(self):
self.data =12 class Child(Parent):
def __init__(self): super().__init__()
self.data = 25 a = Child()
print(a.data)
二、面向对象编程python3
1. 列表生成式
def search(self, filter):
return [note for note in self.notes if note.match(filter)]
等价于
def search(self, filter):
temp = []
for note in self.notes:
if note.match(filter):
temp.append(note)
return temp
列表推导式目标是生成临时列表,举例如下:
f = [x for if for if for for if]
# 等价于
temp_list = []
for st:
if st:
...
if:
temp_list.append(x)
f = temp_list #
f = []
for st:
if st:
...
if:
f.append(x) # x*y for x in range(1,10) for y in range(1,10)
a = []
for x in range(1,10):
for y in range(1,10):
a.append(x*y)
2. global
var = 13 def test():
global var
var = 12
print(var) # print(var)
var = 25
test()
书上部分未完
PyTorch框架+Python 3面向对象编程学习笔记的更多相关文章
- Python之面向对象编程学习
不知不觉,学到了python的面向对象编程思想.今天我们来讨论下面向对象编程的思想. 顾名思义,面向对象,就是面向于对象,这里所说的对象不是你现实生活中你的女朋友,你的老婆,你的爱人,在编程的世界里面 ...
- JavaScript面向对象编程学习笔记
1 Javascript 面向对象编程 所谓"构造函数",其实就是一个普通函数,但是内部使用了this变量.对构造函数使用new运算符,就能生成实例,并且this变量会绑定在实例 ...
- php面向对象编程--学习笔记
1.声明一个类 在php中使用class关键字创建一个新类,类包括属性与方法.语法格式如下: <?php class类名{ 属性: 方法: } ?> 2.创建一个实例对象 创建对象的过程称 ...
- python面向对象编程学习
python面向对象编程 基本概念理解 面向对象编程--Object Oriented Programming,简称OOP,是一种程序设计思想.OOP把对象作为程序的基本单元,一个对象包含了数据和操作 ...
- 并发编程学习笔记(15)----Executor框架的使用
Executor执行已提交的 Runnable 任务的对象.此接口提供一种将任务提交与每个任务将如何运行的机制(包括线程使用的细节.调度等)分离开来的方法.通常使用 Executor 而不是显式地创建 ...
- 并发编程学习笔记(12)----Fork/Join框架
1. Fork/Join 的概念 Fork指的是将系统进程分成多个执行分支(线程),Join即是等待,当fork()方法创建了多个线程之后,需要等待这些分支执行完毕之后,才能得到最终的结果,因此joi ...
- Python:面向对象编程3 定制类(有更新)
Python:面向对象编程3 定制类(有更新) ⚠️本文主要内容为对Data model相关知识点的提取学习记录.(内容来自文档和部分网页教程案例) ⚠️:这个连接指向<流畅的python&g ...
- 并发编程学习笔记(6)----公平锁和ReentrantReadWriteLock使用及原理
(一)公平锁 1.什么是公平锁? 公平锁指的是在某个线程释放锁之后,等待的线程获取锁的策略是以请求获取锁的时间为标准的,即使先请求获取锁的线程先拿到锁. 2.在java中的实现? 在java的并发包中 ...
- 并发编程学习笔记(5)----AbstractQueuedSynchronizer(AQS)原理及使用
(一)什么是AQS? 阅读java文档可以知道,AbstractQueuedSynchronizer是实现依赖于先进先出 (FIFO) 等待队列的阻塞锁和相关同步器(信号量.事件,等等)提供一个框架, ...
随机推荐
- Linux学习-善用判断式
利用 test 指令的测试功能 要检测系统上面某些文件或者是相关的属性时,利用 test 这个指令来工作真是好用得不 得了, 举例来说,我要检查 /dmtsai 是否存在时,使用: [dmtsai@s ...
- Mysql显示某个数据库的所有表
显示表名: show tables; //先用use进入要查看表的库 mysql> use mysql; Database changed mysql> show tables; +--- ...
- Python虚拟机函数机制之参数类别(三)
参数类别 我们在Python虚拟机函数机制之无参调用(一)和Python虚拟机函数机制之名字空间(二)这两个章节中,分别PyFunctionObject对象和函数执行时的名字空间.本章,我们来剖析一下 ...
- LPSTR LPCSTR LPWSTR LPCWSTR区别
LPSTR 一个32位的指向字符串的指针 LPCSTR 一个32位的指向字符串常量的指针 LPWSTR 一个32位的指向unicode字符串的指针 LPCWSTR 个 ...
- JavaScript 专题系列第六篇,讲解深浅拷贝的技巧和以及实现深浅拷贝的思路
拷贝也是面试经典呐! 数组的浅拷贝 如果是数组,我们可以利用数组的一些方法比如:slice.concat 返回一个新数组的特性来实现拷贝. 比如: var arr = ['old', 1, tru ...
- 使用 Rails Webpacker 安裝 Foundation 6
動機 由於 foundation-rails 6.4.1 版本有個 Issue 目前還沒合併.加上 Rails 已經支援了 webpack 2.x.這篇文章純粹紀錄另外一種做法. 準備 開始使用之前需 ...
- 九度oj 题目1355:扑克牌顺子
题目描述: LL今天心情特别好,因为他去买了一副扑克牌,发现里面居然有2个大王,2个小王(一副牌原本是54张^_^)...他随机从中抽出了5张牌,想测测自己的手气,看看能不能抽到顺子,如果抽到的话,他 ...
- VK Cup 2016 - Qualification Round 1——B. Chat Order(试手stack+map)
B. Chat Order time limit per test 3 seconds memory limit per test 256 megabytes input standard input ...
- NOIP2017赛前模拟(5):总结
题目: 1.刮刮卡 已知n(n<=1000000)张刮刮卡按顺序排列,刮开可以获得B元现金和B个积分,购买刮刮卡需要A元,某人若按照顺序刮开的话··当B的总和小于A时便会停止刮卡(即花出去的钱多 ...
- Java学习——个人错误集(1)
[General] 1.构造函数没有返回值,连void也没有. [多态Polymorphism]